Abstract Traditional methods for assessing the risk of work-related musculoskeletal disorders (WMSDs) have a low sensitivity to changes in input variables. Using them, it is possible to obtain the same risk score for totally different postures, and in some cases, the effectiveness of ergonomic interventions cannot be demonstrated. This study aimed to develop a new scoring system for REBA, FBnREBA, using fuzzy sets and the Bayesian network (BN) approach to cover the drawbacks of the traditional REBA. First, the risk factors of WMSDs were defined in terms of fuzzy membership sets. Next, a BN model was developed based on REBA. Fourteen different postures were assessed using FBnREBA, and the results were compared with those of the original REBA. Lastly, a case study was performed to demonstrate how the new scoring system can be used to rank various interventions based on their effectiveness. FBnREBA is a BN model with 26 nodes and is based completely on REBA, but its results differ from those of REBA for identical postures. A comparison of the results of FBnREBA with those of REBA indicated that FBnREBA is more sensitive to changes in WMSDs risk factors than REBA. A case study was conducted using FBnREBA, and the effectiveness of modifying each body segment was determined and ranked. FBnREBA is more sensitive to changes in input variables so that it is unlikely to obtain the same risk score for different body postures. The introduced methodology can be used to modify the scoring systems of other similar methods.

中文翻译：

---

基于模糊集和贝叶斯网络的快速全身评估 (REBA) 新评分系统

摘要 用于评估与工作相关的肌肉骨骼疾病 (WMSD) 风险的传统方法对输入变量的变化敏感性较低。使用它们，可以为完全不同的姿势获得相同的风险评分，并且在某些情况下，无法证明符合人体工程学的干预措施的有效性。本研究旨在开发一种新的 REBA 评分系统 FBnREBA，使用模糊集和贝叶斯网络 (BN) 方法来弥补传统 REBA 的缺点。首先，WMSDs 的风险因素是根据模糊隶属度集定义的。接下来，基于REBA开发了BN模型。使用 FBnREBA 评估了 14 种不同的姿势，并将结果与​​原始 REBA 的结果进行比较。最后，进行了一项案例研究，以展示如何使用新评分系统根据其有效性对各种干预措施进行排名。FBnREBA 是一个有 26 个节点的 BN 模型，完全基于 REBA，但对于相同的姿势，其结果与 REBA 的结果不同。FBnREBA 与 REBA 的结果比较表明，FBnREBA 对 WMSDs 风险因素的变化比 REBA 更敏感。使用 FBnREBA 进行了案例研究，确定了修改每个身体部位的有效性并对其进行了排名。FBnREBA 对输入变量的变化更敏感，因此不太可能对不同的身体姿势获得相同的风险评分。引入的方法可用于修改其他类似方法的评分系统。FBnREBA 是一个有 26 个节点的 BN 模型，完全基于 REBA，但对于相同的姿势，其结果与 REBA 的结果不同。FBnREBA 与 REBA 的结果比较表明，FBnREBA 对 WMSDs 风险因素的变化比 REBA 更敏感。使用 FBnREBA 进行了案例研究，确定了修改每个身体部位的有效性并对其进行了排名。FBnREBA 对输入变量的变化更敏感，因此不太可能对不同的身体姿势获得相同的风险评分。引入的方法可用于修改其他类似方法的评分系统。FBnREBA 是一个有 26 个节点的 BN 模型，完全基于 REBA，但对于相同的姿势，其结果与 REBA 的结果不同。FBnREBA 与 REBA 的结果比较表明，FBnREBA 对 WMSDs 风险因素的变化比 REBA 更敏感。使用 FBnREBA 进行了案例研究，确定了修改每个身体部位的有效性并对其进行了排名。FBnREBA 对输入变量的变化更敏感，因此不太可能对不同的身体姿势获得相同的风险评分。引入的方法可用于修改其他类似方法的评分系统。FBnREBA 与 REBA 的结果比较表明，FBnREBA 对 WMSDs 风险因素的变化比 REBA 更敏感。使用 FBnREBA 进行了案例研究，确定了修改每个身体部位的有效性并对其进行了排名。FBnREBA 对输入变量的变化更敏感，因此不太可能对不同的身体姿势获得相同的风险评分。引入的方法可用于修改其他类似方法的评分系统。FBnREBA 与 REBA 的结果比较表明，FBnREBA 对 WMSDs 风险因素的变化比 REBA 更敏感。使用 FBnREBA 进行了案例研究，确定了修改每个身体部位的有效性并对其进行了排名。FBnREBA 对输入变量的变化更敏感，因此不太可能对不同的身体姿势获得相同的风险评分。引入的方法可用于修改其他类似方法的评分系统。